為了推動神經(jīng)科學領(lǐng)域的創(chuàng)新發(fā)展，充分展示和宣傳神經(jīng)科學領(lǐng)域的重大科研成果，中國神經(jīng)科學學會于2020年度首次開展“中國神經(jīng)科學重大進展”推薦工作。
北京大學心理與認知科學學院、北京大學麥戈文腦科學研究所方方課題組和羅歡課題組在人類注意機制方面的研究成果入選2020年度“中國神經(jīng)科學重大進展”。
成果回顧：
2019年11月20日， 《Nature Communications》 發(fā)表了北京大學心理與認知科學學院、北京大學麥戈文腦科學研究所方方教授課題組和羅歡研究員在人類注意機制方面的重要進展。該研究通過重建人腦同時注意多個特征時的神經(jīng)表征，首次揭示了注意在特征空間的“節(jié)律性探照燈”加工模式。論文題目為 “Competing rhythmic neural representations of orientations during concurrent attention to multiple orientation features”。
面對外界海量信息，人腦需要把有限的注意加工資源進行合理分配。當注意加工資源集中于某個非空間特征（顏色、朝向、運動方向等）的時候，個體對整個視野范圍內(nèi)所有包含了目標特征的視覺客體的感知都會變得更加敏銳。這種注意過程被稱為基于特征的注意（feature-based attention）。在目標對象位置未知的時候，基于特征的注意能夠幫助個體快速尋找并定位潛在目標對象的準確位置。在復雜的視覺情境下，個體往往需要同時對視野空間中多個視覺特征進行加工，例如籃球運動員準備傳球時，需要同時關(guān)注己方隊員和對方隊員的運動方向，以規(guī)劃最優(yōu)傳球路線。因此，大腦如何同時注意多個視覺特征就成為了視覺科學領(lǐng)域所關(guān)心的重大問題。
解決這一問題的關(guān)鍵是在人腦神經(jīng)活動中標記和追蹤注意過程中每個目標特征的神經(jīng)表征的動態(tài)變化過程，而前人研究中的技術(shù)范式卻難以做到這點。功能磁共振成像雖然具有高空間分辨率，但時間分辨率較低，無法捕捉神經(jīng)活動的動態(tài)過程。而腦電圖雖然有高時間分辨率，但空間分辨率較低，無法精確刻畫神經(jīng)活動的空間模式。此外，對人腦活動的非侵入式記錄往往反映了成千上萬神經(jīng)元的協(xié)同活動，因此還需要基于計算模型對每個特征的神經(jīng)表征信息進行還原。為此，研究團隊采用了同時具有較高時間和空間分辨率的腦磁圖（MEG）技術(shù)記錄人類同時注意多個視覺特征的大腦活動（圖1），并創(chuàng)新性通過逆向編碼模型（Inverted Encoding Model, IEM），在毫秒級別上重構(gòu)了各個注意目標特征表征的動態(tài)變化過程。IEM將腦磁圖信號分解為一系列朝向信息通道(orientation information channel)響應的線性和，并通過估計各通道的線性權(quán)重，還原信息通道的響應（圖2）。在實驗過程中，被試同時注意兩個朝向（45度和135度）。與此同時，研究團隊逐時間點還原各信息通道的瞬時響應并進行分析。結(jié)果發(fā)現(xiàn)，大腦并沒有將注意資源在兩個目標特征之間并行分配，而是以每200-300ms的速度在多個特征間進行交替切換。這表明在同時注意多個特征的過程中，大腦采用了一種超越了物理空間的“節(jié)律性探照燈”,在特征維度空間中交替對各個目標特征進行增強（圖3-4）。研究團隊進一步在行為層面上驗證了這種節(jié)律性的特征注意模式，并建立了相應計算神經(jīng)模型。結(jié)果表明，這種多特征間的節(jié)奏性交替增強可能來源于神經(jīng)元群體之間的局部競爭，而不是全局范圍的反饋調(diào)制。這些研究結(jié)果從行為、神經(jīng)和計算模型多個角度一致系統(tǒng)地揭示了多特征注意加工的神經(jīng)機制，首次發(fā)現(xiàn)了特征空間中的“節(jié)律性探照燈”，填補了該領(lǐng)域的空白，也為類腦人工智能提供了來自于人腦啟發(fā)的動態(tài)信息組織原則。
2020-12-21